wineQualityReds分析报告
## X fixed.acidity volatile.acidity citric.acid residual.sugar chlorides
## 1 1 7.4 0.70 0.00 1.9 0.076
## 2 2 7.8 0.88 0.00 2.6 0.098
## 3 3 7.8 0.76 0.04 2.3 0.092
## 4 4 11.2 0.28 0.56 1.9 0.075
## 5 5 7.4 0.70 0.00 1.9 0.076
## 6 6 7.4 0.66 0.00 1.8 0.075
## free.sulfur.dioxide total.sulfur.dioxide density pH sulphates alcohol
## 1 11 34 0.9978 3.51 0.56 9.4
## 2 25 67 0.9968 3.20 0.68 9.8
## 3 15 54 0.9970 3.26 0.65 9.8
## 4 17 60 0.9980 3.16 0.58 9.8
## 5 11 34 0.9978 3.51 0.56 9.4
## 6 13 40 0.9978 3.51 0.56 9.4
## quality
## 1 5
## 2 5
## 3 5
## 4 6
## 5 5
## 6 5单变量分析
## [1] "X" "fixed.acidity" "volatile.acidity"
## [4] "citric.acid" "residual.sugar" "chlorides"
## [7] "free.sulfur.dioxide" "total.sulfur.dioxide" "density"
## [10] "pH" "sulphates" "alcohol"
## [13] "quality"## 'data.frame': 1599 obs. of 13 variables:
## $ X : int 1 2 3 4 5 6 7 8 9 10 ...
## $ fixed.acidity : num 7.4 7.8 7.8 11.2 7.4 7.4 7.9 7.3 7.8 7.5 ...
## $ volatile.acidity : num 0.7 0.88 0.76 0.28 0.7 0.66 0.6 0.65 0.58 0.5 ...
## $ citric.acid : num 0 0 0.04 0.56 0 0 0.06 0 0.02 0.36 ...
## $ residual.sugar : num 1.9 2.6 2.3 1.9 1.9 1.8 1.6 1.2 2 6.1 ...
## $ chlorides : num 0.076 0.098 0.092 0.075 0.076 0.075 0.069 0.065 0.073 0.071 ...
## $ free.sulfur.dioxide : num 11 25 15 17 11 13 15 15 9 17 ...
## $ total.sulfur.dioxide: num 34 67 54 60 34 40 59 21 18 102 ...
## $ density : num 0.998 0.997 0.997 0.998 0.998 ...
## $ pH : num 3.51 3.2 3.26 3.16 3.51 3.51 3.3 3.39 3.36 3.35 ...
## $ sulphates : num 0.56 0.68 0.65 0.58 0.56 0.56 0.46 0.47 0.57 0.8 ...
## $ alcohol : num 9.4 9.8 9.8 9.8 9.4 9.4 9.4 10 9.5 10.5 ...
## $ quality : int 5 5 5 6 5 5 5 7 7 5 ...## X fixed.acidity volatile.acidity citric.acid
## Min. : 1.0 Min. : 4.60 Min. :0.1200 Min. :0.000
## 1st Qu.: 400.5 1st Qu.: 7.10 1st Qu.:0.3900 1st Qu.:0.090
## Median : 800.0 Median : 7.90 Median :0.5200 Median :0.260
## Mean : 800.0 Mean : 8.32 Mean :0.5278 Mean :0.271
## 3rd Qu.:1199.5 3rd Qu.: 9.20 3rd Qu.:0.6400 3rd Qu.:0.420
## Max. :1599.0 Max. :15.90 Max. :1.5800 Max. :1.000
## residual.sugar chlorides free.sulfur.dioxide
## Min. : 0.900 Min. :0.01200 Min. : 1.00
## 1st Qu.: 1.900 1st Qu.:0.07000 1st Qu.: 7.00
## Median : 2.200 Median :0.07900 Median :14.00
## Mean : 2.539 Mean :0.08747 Mean :15.87
## 3rd Qu.: 2.600 3rd Qu.:0.09000 3rd Qu.:21.00
## Max. :15.500 Max. :0.61100 Max. :72.00
## total.sulfur.dioxide density pH sulphates
## Min. : 6.00 Min. :0.9901 Min. :2.740 Min. :0.3300
## 1st Qu.: 22.00 1st Qu.:0.9956 1st Qu.:3.210 1st Qu.:0.5500
## Median : 38.00 Median :0.9968 Median :3.310 Median :0.6200
## Mean : 46.47 Mean :0.9967 Mean :3.311 Mean :0.6581
## 3rd Qu.: 62.00 3rd Qu.:0.9978 3rd Qu.:3.400 3rd Qu.:0.7300
## Max. :289.00 Max. :1.0037 Max. :4.010 Max. :2.0000
## alcohol quality
## Min. : 8.40 Min. :3.000
## 1st Qu.: 9.50 1st Qu.:5.000
## Median :10.20 Median :6.000
## Mean :10.42 Mean :5.636
## 3rd Qu.:11.10 3rd Qu.:6.000
## Max. :14.90 Max. :8.000## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 3.000 5.000 6.000 5.636 6.000 8.000##
## 3 4 5 6 7 8
## 10 53 681 638 199 18# 创建一个直方图公共函数，后简化代码量
wine_plot <- function(varname, binwidth) {
return (ggplot(aes_string(x = varname), data = pf_wine) +
geom_histogram(binwidth = binwidth))
}绘画红葡萄酒的质量（quality）直方图
分析：
从图中可以看出红葡萄酒的质量大部分集中在5和6中，红葡萄酒的质量正态分布
绘画红葡萄酒的fixed.acidity(固定酸度)直方图
分析：
固定酸度大部分集中在6.5和9.5之间。
绘画红葡萄酒的volatile.acidity（挥发性酸度）直方图
分析：
挥发性酸度大部分集中在0.25和0.75之间。
绘画红葡萄酒的citric.acid（柠檬酸）直方图
分析：
柠檬酸程右偏态分布，大部分集中在0和0.55之间。从表中可以看出存在有很多为0的数据的 异常值，还有后面有个1的异常值。
绘画红葡萄酒的residual.sugar（残留糖）直方图
分析：
残留糖呈右偏态分布，大部分集中在1.5和3之间。有个别值比较异常，超出集中区域很多， 超出9的比较异常，可以去掉
绘画红葡萄酒的chlorides（氯化物）直方图
分析：
氯化物呈右偏态分布，大部分集中在0.05和0.125之间。有个别值比较异常，超出集中区域 很多，超出0.3的比较异常，可以去掉
绘画红葡萄酒的free.sulfur.dioxide（游离二氧化硫）直方图
分析：
游离二氧化呈右偏态分布,有个别值比较异常，超出集中区域很多，超出60的比较异常， 可以去掉
绘画红葡萄酒的total.sulfur.dioxide（总二氧化硫）直方图
分析：
总二氧化硫呈右偏态分布，有个别值比较异常，超出集中区域很多，超出170的比较异常， 可以去掉
从表结构中可以看到红酒有free.sulfur.dioxide（游离二氧化硫）和
total.sulfur.dioxide（总二氧化硫），通过晚上查，溶解性气体还有二氧化碳的
变量，所以我定义一个新的变量sulfur.dioxide,值为总二氧化硫减去游离二氧化硫。
绘画红葡萄酒的新变量sulfur.dioxide（二氧化硫）直方图
分析：
二氧化硫呈右偏态分布,，超出集中区域很多，超出140的比较异常，可以去掉
绘画红葡萄酒的density（密度）直方图
分析：
密度呈正态分布
绘画红葡萄酒的pH直方图
分析：
PH呈正态分布，大部分集中3.0和3.6之间
绘画红葡萄酒的sulphates（硫酸盐）直方图
分析：
硫酸盐呈右偏态分布
绘画红葡萄酒的alcohol（酒精）直方图
分析：
酒精呈右偏态分布
清理数据集
citric.acid存在有很多为0的数据的异常值，还有后面有个1的异常值
residual.sugar有个别值比较异常，超出集中区域很多，超出9的比较异常
chlorides有个别值比较异常，超出集中区域很多，超出0.3的比较异常
创建新数据集pf_wineclean <- subset(pf_wine,citric.acid>0 &
citric.acid <1 & residual.sugar<9 & chlorides<0.3)
你的数据集结构是什么？
我初始数据集有1499条数据，13个变量； 整理后的数据集有1433条数据，14个变量；
你的数据集内感兴趣的主要特性有哪些？
我兴趣的特征有以下几个 1:红酒质量quality； 2:新变量sulfur.dioxide（二氧化硫），从网上查的资料二氧化硫有杀菌、抗氧化、澄清酒液 和提高色素和酚类物质含量等多重作用； 3:alcohol（酒精度），酒都有酒精度数 4:酸度，喝过红酒，红酒有点酸涩的味道。 5:甜度（residual sugar）
你认为数据集内哪些其他特征可以帮助你探索兴趣特点？
我认为硫酸盐(sulphates)也有关系 ### 根据数据集内已有变量，你是否创建了任何新变量？ 有创建新变量sulfur.dioxide（二氧化硫） ### 在已经探究的特性中，是否存在任何异常分布？你是否对数据进行一些操作，如清洁、调整或改变数据的形式？如果是，你为什么会这样做？ 在探索数据集过程中，发现citric.acid存在有很多为0的数据的异常值，还有后面有个1的 异常值；residual.sugar有个别值比较异常，超出集中区域很多，超出9的比较异常； chlorides有个别值比较异常，超出集中区域很多，超出0.3的比较异常，因为异常数据 比较少，还有为0的数据不可能，所以我把这些数据都清理掉。
双变量绘图选择
使用ggcorr绘画相关关系图
从图中可以看出我关注的固定酸度(fixed acidity)，柠檬酸(citric acid)，
残留糖(residual sugar)，硫酸盐(sulphates)，酒精(alcohol)跟质量(quality)正相关性， 其中酸度的volatile.acidity（挥发性酸度跟质量(quality)负相关，新变量sulfur.dioxide （二氧化硫）跟质量(quality)负相关
双变量分析
分析固定酸度(fixed acidity)和质量(quality)关系
分析：
从图中看出固定酸度(fixed acidity)和质量(quality)关联性不大
分析挥发性酸度(volatile.acidity)和质量(quality)关系
分析：
从图中看出质量(quality)越高的红酒相对的挥发性酸度(volatile.acidity)的中位数越小， 质量越好的红酒，挥发性酸度越小
分析柠檬酸(citric acid)和质量(quality)关系
分析：
从图中看出质量(quality)越高的红酒相对的柠檬酸(citric acid)的中位数越多，
分析新变量二氧化硫(sulfur.dioxide)和质量(quality)关系
分析：
从图中看出质量(quality)与新变量二氧化硫(sulfur.dioxide)关联性不大
硫酸盐(sulphates)和质量(quality)关系
分析：
从图中看出质量(quality)越高的红酒相对的硫酸盐(sulphates)的中位数越多，上升不大， 基本上都在1.0以下
分析酒精(alcohol)和质量(quality)关系
分析：
从图中酒精(alcohol)越大，红酒质量(quality)越好
分析酒精(alcohol)和质量(quality)关系
分析：
从图中看出质量(quality)越高的红酒相对的酒精(alcohol)的中位数越多，越好的红酒需要 酒精度越高
分析残留糖(residual.sugar)和质量(quality)关系
分析：
从图中看出残留糖(residual.sugar)和质量(quality)关系关联性不大，基本上红酒残留糖 (residual.sugar)的中位数都在2.5以下，四分位数Q3在2.7以下，红酒都是需要糖分不多，
分析挥发性酸度(volatile.acidity)和酒精(alcohol)关系
分析：
从图中酒精(alcohol)越大，挥发性酸度(volatile.acidity)越小
分析柠檬酸(citric acid)和酒精(alcohol)关系
分析：
从图中酒精(alcohol)越大，柠檬酸(citric acid)越大
分析硫酸盐(sulphates)和酒精(alcohol)关系
分析：
从图中酒精(alcohol)越大，挥发性酸度(volatile.acidity)越大，集中在0.4～0.9之间
探讨你在这部分探究中观察到的一些关系。这些感兴趣的特性与数据集内其他特性有什么区别？
从上面几个图分析，我感兴趣的特征与质量(quality)的关系 1:酸度的三个变量（固定酸度(fixed acidity)、挥发性酸度(volatile.acidity)、 柠檬酸(citric acid)），固定酸度fixedacidity与质量(quality)关联性不大， 挥发性酸度(volatile.acidity)与质量(quality)负相关，柠檬酸(citricacid)与 质量(quality)正相关，在酸度三个变量中与quality相关最大；不过柠檬酸(citricacid)的 相关性基本上都在1.0以下； 2:新变量sulfur.dioxide（二氧化硫）与质量(quality)关联性不大 3:酒精(alcohol)与质量(quality)正相关关系，在这些特征里面相关性最大的； 4:残留糖(residual.sugar)和质量(quality)关系关联性不大，基本上红酒 残留糖(residual.sugar)的中位数都在2.5以下，四分位数Q3在2.7以下，红酒都是需要糖分不多， 可以看出对红酒影响比较大的是挥发性酸度(volatile.acidity)、柠檬酸(citricacid)、 硫酸盐(sulphates)、酒精(alcohol)这四个变量。
你是否观察到主要特性与其他特性之间的有趣关系？
从上面分析可以看出对红酒影响比较大的是挥发性酸度(volatile.acidity)、 柠檬酸(citric acid)、硫酸盐(sulphates)、酒精(alcohol)这四个变量，所以我分析了 挥发性酸度(volatile.acidity)、柠檬酸(citricacid)、硫酸盐(sulphates)分别与 酒精(alcohol)之间的关系。
你发现最强的关系是什么？
我发现是酒精(alcohol)跟质量(quality)有很强的正相关，挥发性酸度(volatile.acidity) 跟质量(quality)有很强的负相关。
多变量绘图分析
查看红酒变量的关系(“fixed.acidity”, “volatile.acidity”, “citric.acid”,
“residual.sugar”, “sulphates”, “alcohol”,“quality”)
分析挥发性酸度(volatile acidity)、柠檬酸(citric acid)与质量(quality)的关系
分析：
从表中可以看出挥发性酸度(volatile acidity)跟柠檬酸(citric acid)发比关系，质量越好的红酒需要的挥发性酸度(volatile acidity)越小， 柠檬酸(citric acid)越大
分析硫酸盐(sulphates)、柠檬酸(citric acid)与质量(quality)的关系
分析：
从表中可以看出硫酸盐(sulphates)跟柠檬酸(citric acid)正比关系，质量越好的红酒需要硫酸盐(sulphates)越大，柠檬酸(citric acid)越大
分析硫酸盐(sulphates)、挥发性酸度(volatile acidity)与质量(quality)的关系
分析：
从表中可以看出硫酸盐(sulphates)跟挥发性酸度(volatile acidity)反比关系，质量(quality)越好的红酒硫酸盐(sulphates)越大， 挥发性酸度(volatile acidity)越小
分析硫酸盐(sulphates)、酒精(alcohol)与质量(quality)的关系
分析：
从表中可以看出硫酸盐(sulphates)跟酒精(alcohol)正比比关系，质量(quality)越好的 红酒硫酸盐(sulphates)越大，酒精(alcohol)越高
多变量分析
探讨你在这部分探究中观察到的一些关系。通过观察感兴趣的特性，
是否存在相互促进的特性？
在分析中发现 1:看出挥发性酸度(volatile acidity)跟柠檬酸(citric acid)发比关系，质量越好的红酒需要的挥发性酸度(volatile acidity)越小， 柠檬酸(citric acid)越大； 2:硫酸盐(sulphates)跟柠檬酸(citric acid)正比关系，质量越好的红酒需要硫酸盐(sulphates)越大，柠檬酸(citric acid)越大； 3:硫酸盐(sulphates)跟挥发性酸度(volatile acidity)反比关系，质量(quality)越好的红酒硫酸盐(sulphates)越大， 挥发性酸度(volatile acidity)越小； 4:硫酸盐(sulphates)跟酒精(alcohol)正比比关系，质量(quality)越好的红酒 硫酸盐(sulphates)越大，酒精(alcohol)越高
这些特性之间是否存在有趣或惊人的联系呢？
挥发性酸度(volatile acidity)跟柠檬酸(citric acid)有很强负关系，挥发性酸度越小， 红酒质量越好 ### 选项：你是否创建过数据集的任何模型？讨论你模型的优缺点。 没有创建数据集的模型 ——
定稿图与总结
绘图一
分析酒精(alcohol)和质量(quality)关系
描述一
从图中看出质量(quality)越高的红酒相对的酒精(alcohol)的中位数越多， 越好的红酒需要酒精度越高
绘图二
分析挥发性酸度(volatile acidity)、柠檬酸(citric acid)与质量(quality)的关系
描述二
从图中看出质量(quality)越高的红酒需要的挥发性酸度(volatile acidity)越小， 而柠檬酸(citric acid)越多；
绘图三
分析硫酸盐(sulphates)、柠檬酸(citric acid)与质量(quality)的关系
描述三
从图中看出质量(quality)越高的红酒需要的较多的硫酸盐(sulphates)；
反思
通过数据集有1499条数据，13个变量；整理后的数据集有1433条数据，14个变量， 还有新增了变量新变量sulfur.dioxide（二氧化硫），从网上查的资料二氧化硫有杀菌、 抗氧化、澄清酒液和提高色素和酚类物质含量等多重作用，但是实际绘图 sulfur.dioxide（二氧化硫）对红酒质量影响不大，通过单变量绘图到多变量绘图分析， 得出对红酒影响比较大的几个变量是挥发性酸度(volatile.acidity)、 柠檬酸(citric acid)、硫酸盐(sulphates)、酒精(alcohol)这四个变量； 通过对这个四个变量的分析得出： 1:质量高的红酒需要挥发性酸度(volatile.acidity)极小； 2:质量高的红酒需要较多的柠檬酸(citric acid)； 3:质量高的红酒需要较多的硫酸盐(sulphates)； 4:质量高的红酒需要酒精(alcohol)的酒精度高； 在分析过程中，高质量(quality)（7、8）的数据比较少，对分析存在一定影响， 可能分析不够准确；绘图的时候发现质量8的关系线条跟其他质量的关系线条有偏差；
分析过程中的难点
在分析过程中高质量（7、8）的红酒数据量较少，比较难分析出哪些变量对红酒有影响；
分析过程中成功的发现部分
在分析过程中发现挥发性酸度(volatile.acidity)跟酒精(alcohol)对红酒的影响较大。
未来如何进一步丰富分析内容和提高报告质量
高质量（7、8）的红酒数据量较少，导致分析不太理想，后续应该对数据建模，创建预测 红酒的质量的模型。